matlab中temp函数是什么意思,matlab里temp

　　这是我的理解。很高兴被纠正。希望这能有所帮助。

　　假设有一个23个元素的矩阵。这显然有两个方面。

　　如你所见，Matlab和Python没有区别，matrix需要根据已经拥有的维度来操作inputmatrix。所以这两个订单

　　repmat(m，M，n ) % matlab np.tile(M ) m，)M，n ) # python

　　对于2级矩阵(二维)是非常等价的。

　　如果精明的金毛寻回犬要求重复/平铺超出inputmatrix的维度，事情就会变得违背直觉。回到2级矩阵，设置为23。看到输出矩阵的大小/形状如何变化就足够了。我说操纵的顺序现在是一二。

　　在Matlab中

　　size(repmat(m，1，1，2 ) ) ans=2)3) 2

　　它复制inputmatrix的前两个维度(行和列)，并将其复制到新的第三个维度一次，即两次。真正的重复矩阵被命名为repmat。

　　在Python中

　　NP.tile(m，(1，1，2))。shape (1，2，6)).

　　因为推测序列(1，1，2)的读取方法与Matlab不同，所以应用了不同的程序。从右至左读取列、行和面外尺寸的副本数。生成的对象具有与Matlab不同的形状。人们不能断言repmat和tile是相等的命令。

　　为了让tile像repmat一样工作，有必要确保Python中的inputmatrix与序列中的元素具有相同的维数。例如，它是在几个预处理和建立相关的对象n中完成的

　　n=m [ :np.newaxis]

　　然后不是输入端的m.shape=(2，3，3，1)，而是输出端的n.shape=(2，3)。

　　NP.tile(n，(1，1，2))。shape (2，3，2))).

　　这是答案大小(repmat(m) m，1，1，2))。我觉得是因为Python引导他在2，3的右边加上了第三维(而不是左边)，这样就可以像Matlab一样计算array (1，1，2)的读数了。

　　n的Python answer [:0]中的元素包含与元素[:1]相同的值。

　　最后，在使用克罗内克产品时，似乎不可能找到雷普马特的等价物。

　　NP。克朗(NP。个)、1、1、2、m、形状、1、2、6)。

　　除非我如上所述对M到N进行预处理。所以我认为最常用的方法是使用np.newaxis方法。

　　考虑到3级(3D)的矩阵和输出矩阵没有增加新维度的简单情况，游戏很麻烦。这两个看似等效的命令不会产生相同的结果。

　　repmat(L，p，q，r ) % matlab np.tile(L ) l，(p，q，r ) ) # python

　　因为Matlab中的行、列、面外方向是[p，q，r]，而Python中是[q，r，p]。这在rank-2数组中是不可见的。这里，必须注意的是，需要更多的预处理来获得相同的结果和两种语言。

　　我知道这个推理可能不寻常，但它可以解决这个问题。希望这能给其他研究人员带来更大的考验。